新しい配列表現を用いたニューラルネットワークによるT細胞エピトープの信頼性の高い予測

本論文では、T細胞クラスIエピトープを予測する改良されたニューラルネットワーク手法について述べます。新しい入力表現として、スパースエンコーディング、Blosumエンコーディング、および隠れマルコフモデルから導出された入力の組み合わせを開発しました。異なる配列符号化スキームを用いて構築された複数のニューラルネットワークの組み合わせが、単一の配列符号化スキームに基づくニューラルネットワークよりも優れた性能を持つことを実証しました。この新しい手法は他の方法よりもはるかに高い性能を示します。相互情報量計算を用いて、HLA A*0204複合体に結合するペプチドは高次配列相関の信号を示すことを明らかにしました。ニューラルネットワークは、結合親和性を予測する際にこのような高次相関を統合するのに理想的です。この特徴が、異なる新規な配列符号化スキームで構築された複数のニューラルネットワークの利用と、連続的な結合親和性データで訓練可能なニューラルネットワークの能力と組み合わさることで、新手法の性能向上をもたらしています。ニューラルネットワーク手法とマトリックス駆動手法の予測性能の差異は、HLA分子に強く結合するペプチドで最も顕著であり、高結合ペプチドに高次配列相関の信号が最も強く存在することを確認しています。最後に、本手法を用いてC型肝炎ウイルスのゲノムに対するT細胞エピトープを予測し、合理的ワクチン設計の過程を導く予測手法の応用可能性について議論します。